Tensorflow 1.5

Tensorflow 2.x

* Keras

코드 작성법

model.add()를 이용해서 layer 추가
model.add('input layer')
model.add('output layer')

loss 종류와 optimizer 종류 설정
model.complie()

학습 (sklearn 사용하는 것처럼)
model.fit()

평가와 predict
model.evaluate() => 모델평가
model.predict() => 예측값 도출

모델 저장
model.save()

1. Multiple Logistic Regression

2. Multinomial

* MNIST 예제

linear regression : linear (MSE : 평균제곱오차)
binary classification : binary_crossentropy
multinomial classification : categorical_crossentropy (onehot 처리)
                  : sparse_categorical_crossentropy (onehot 처리 x)

* model 저장

학습한 후 모델이 메모리에 저장되어 있다.
프로그램 종료하면 날아간다. => 처음부터 다시 학습해야 함

모델 학습 시간이 너무 오래걸리는 경우
=> 중간에 미리 저장해 놓으면 거기서부터 재학습 가능

모델 공유 가능

방법1

모델 구조와 계산된 W,b 같이 저장 가능
장점 => 편하다.
단점 => 사이즈가 크다.

방법2

모델 구조는 저장하지 않고 W,b만 저장
장점 => 크기가 작다.
단점 => 사용하려면 모델을 먼저 만들고 W,b 로딩

model 저장한 것 불러오기